Кривая Филлипса с пространственными эффектами на данных регионов России (2024)
В работе проверяется гипотеза о наличии пространственных эффектов для квартальных индексов потребительских цен (ИПЦ) в российских регионах за 2015–2021 гг. Для моделирования пространственной зависимости гибридной кривой Филлипса использовались матрицы расстояний, соседства и миграции. Выявлена пространственная нестационарность модели для всей территории страны, поэтому оценивание проводилось отдельно для западных и восточных регионов. Тестирование на панельных данных показало незначимость пространственного лага зависимой переменной, что подвергает сомнению предположение о «мгновенном» (в течение того же периода) переносе инфляции. Вероятно, ключевым здесь является фактор частотности данных: квартальные или месячные уровни инфляции лучше подходят для пространственного анализа, чем годовые (для которых пространственный лаг будет значимым). Оценивание дарбиновской модели с ошибкой (SDEM) показало, что инфляционные ожидания в соседних регионах отрицательно влияют на инфляцию в регионе в данном периоде. Оценки вклада прямых эффектов для π(t – 1), π(t + 1) и косвенного эффекта для π(t – 1) имеют ожидаемые положительные знаки. Сумма оценок коэффициентов при лагах инфляции в пространственной гибридной кривой Филлипса близка к единице. Применение матрицы миграции для западных регионов оказалось неудачным, возможно из-за значительных искажений, вносимых Москвой и Московской областью в межрегиональные взаимодействия
Идентификаторы и классификаторы
Пространственные эффекты экономических показателей давно находятся в поле зрения исследователей. Не является исключением такой индикатор, как инфляция.
Причины пространственной зависимости экономических показателей для региональной инфляции могут быть различными. Наиболее очевидная — наличие межрегиональных экономических связей, особенно тесных с регионамисоседями и (для значительной части субъектов Российской Федерации) с Москвой и Московской областью. Рост цен в регионах, из которых данный регион ввозит товары и услуги, приводит к ускорению инфляции. Аналогично осуществляется«экспорт инфляции» в другие регионы. Другой причиной взаимосвязи динамики цен может быть схожая экономическая специализация регионов: рост цен на определенные экспортные товары (нефть, пшеница и др.) приводит к притоку денег в регионы- экспортеры и синхронно ускоряет инфляцию, даже если регионы географически удалены друг от друга. Схожие климатические условия также могут способствовать образованию пространственных кластеров с высокой или низкой инфляцией (например, на ряд продовольственных товаров).
Список литературы
- Аверина Д.С., Горшкова Т.Г., Синельникова-Мурылева Е.В. (2018). Построение кривой Филлипса на региональных данных // Экономический журнал ВШЭ. Т. 22. с 4. C. 609-630.
Averina D.S., Gorshkova T.G., Sinelnikova-Muryleva E.V. (2018). Phillips curve estimation on regional data. Higher School of Economics Economic Journal, 22, 4, 609-630 (in Russian).]. - Гафаров Б. Н. (2011). Кривая Филлипса и становление рынка труда в России // Экономический журнал ВШЭ. Т. 15. № 2. С. 155-176.
Gafarov B. N. (2011). Phillips Curve and development of the labor market. Higher School of Economics Economic Journal, 15, 2, 155-176 (in Russian).]. - Демидова О.А. (2021). Методы пространственной эконометрики и оценка эффективности государственных программ // Прикладная эконометрика. № 64. С. 107-134.
Demidova O.A. (2021). Methods of spatial econometrics and evaluation of government programs effectiveness. Applied Econometrics, 64, 107-134 (in Russian).]. - Зубарев А.В. (2018). Об оценке кривой Филлипса для российской экономики // Экономический журнал ВШЭ. Т. 22. № 1. С. 40-58.
Zubarev A.V. (2018). On the estimation of the Phillips curve for the Russian economy. Higher School of Economics Economic Journal, 22, 1, 40-58 (in Russian).]. - Иванова В.И. (2014). Региональная конвергенция доходов населения: пространственный анализ // Пространственная экономика. № 4. С. 100-119.
Ivanova V.I. (2014). Regional convergence of income: Spatial analysis. Spatial Economics, 4, 100-119 (in Russian).]. - Кириллов А. М. (2017). Инфляция цен на продовольственные товары в регионах России: пространственный анализ // Пространственная экономика. № 4. С. 41-58.
Kirillov A. M. (2017). Spatial analysis of food inflation in Russian regions. Spatial Economics, 4, 41-58 (in Russian).]. - Кириллов А.М. (2021). Исследование пространственной автокорреляции: случай российской региональной инфляции // Прикладная эконометрика. № 64. С. 5-22.
Kirillov A. M. (2021). A study of spatial autocorrelation: Case of Russian regional inflation. Applied Econometrics, 64, 5-22 (in Russian).]. - Луговой О., Дашкеев В., Мазаев И. и др. (2007). Экономико-географические и институциональные аспекты экономического роста в регионах. М.: ИЭПП. 164 с.
Lugovoy O., Dashkeev V., Mazaev I. et al. (2007). Analysis ofeconomicgrowth in regions: Geographical and institutional aspect. Moscow: Gaidar Institute for Economic Policy. 164 p. (in Russian).]. - Мухин Д.А. (2010). Краткосрочная кривая Филлипса и инфляционные ожидания в России // Экономика и математические методы. Т. 46. № 2. С. 118-130.
Mukhin D.A. (2010). Short-term Phillips’ curve and the inflation processes in Russia. Economics and Mathematical Methods, 46, 2, 118-130 (in Russian).]. -
Соколова А. В. (2014). Инфляционные ожидания и кривая Филлипса: оценка на российских данных // Деньги и кредит. № 11. С. 61-67.
Sokolova A.V. (2014). Inflation expectations and the Phillips curve: Assessment based on Russian data. Russian Journal of Money & Finance, 11, 61-67 (in Russian).].
11. Anselin L., Gallo J.L., Jayet H. (2008). Spatial panel econometrics. Chapter 19. In: The econometrics of panel data. Series: Advanced Studies in Theoretical and Applied Econometrics. Vol. 46, 625-660.
12. Armantier O., Bruine de Bruin W., Potter S., Topa G. (2013). Measuring inflation expectations. Annual Review of Economics, 5, 273-301.
13. Balash V., Balash O., Faizliev A., Chistopolskaya E. (2020). Economic growth patterns: Spatial econometric analysis for Russian regions. Information, 11, 289. DOI: 10.3390/info11060289.
14. Baltagi B.H., Song S.H., Koh W. (2003). Testing panel data regression models with spatial error correlation. Journal of Econometrics, 117 (1), 123-150.
15. Bj0rnstad R., Nymoen R. (2008). The new Keynesian Phillips curve tested on OECD panel data. SSRN Electronic Journal, 2 (23), 1-18.
16. Candia B., Coibion O., Gorodnichenko Y. (2021). The inflation expectations of U.S. firms: Evidence from a new survey. National Bureau of Economic Research, Working Paper no. 28836.
17. Elhorst J. P. (2010). Spatial panel data models. In: Handbook of applied spatial analysis. Fischer M.M., A. Getis (eds.). Berlin, Heidelberg, N.Y.: Springer, 377-407.
18. Elhorst J. P. (2017). Spatial panel data analysis. In: Encyclopedia of GIS. S. Shekhar, H. Xiong, X. Zhou (eds.). 2nd ed., 2050-2058. Cham (Switzerland): Springer International Publishing.
19. Fotheringham A. (2009). “The problem of spatial autocorrelation” and local spatial statistics. Geographical Analysis, 41 (4), 398-403.
20. Furuoka F., Munir Q. (2009). “Phillips Curve” in selected ASEAN countries: New evidence from panel data analysis. Sunway Academic Journal, 6, 89-102.
21. Gali J., Gertler M. (1999). Inflation dynamics: A structural econometric analysis. Journal of Monetary Economics, 44, 195-222.
22. Hall A.R. (2005). Generalized method of moments. Oxford: Oxford University Press.
23. Kumar A., Orrenius P.A. (2016). Closer look at the Phillips curve using state-level data. Journal of Macroeconomics, 47, 84-102.
24. Lauridsen J., Kosfeld R. (2006). A test strategy for spurious spatial regression, spatial nonstationarity, and spatial cointegration. Papers in Regional Science, 85, 363-377.
25. LeSage J.P., Pace R.K. (2009).Introduction to spatial econometrics. N.Y.: CRC Press.
26. Mutl J., Pfafermayr M. (2011). The Hausman test in a cliff and ord panel model. Econometrics Journal, 14, 48-76.
27. Phillips A.W. (1958). The relation between unemployment and the rate of change of money wage rates in the United Kingdom, 1861-1957. Economica, 25, 100, 283-299.
28. Rudd J., Whelan K. (2005). New tests of the new-Keynesian Phillips curve. Journal of Monetary Economics, 52, 1167-1181.
29. Yesilyurt F., Elhorst J.P. (2014). A regional analysis of inflation dynamics in Turkey. Annals of Regional Science, 52 (1), 1-17.
Выпуск
Другие статьи выпуска
В статье обобщается современный опыт исследования маятниковых трудовых миграций в Московском регионе. В условиях, когда официальные данные о возвратной мобильности населения отсутствуют в течение долгого времени, информационной основой для изучения маятниковой трудовой мобильности могут стать данные сотовых операторов. Они позволяют оценивать общее число коммьютеров, пространственную неравномерность и временную изменчивости их потоков. Показано, как общий объем маятниковых миграций (1,1-1,5 млн человек в Москву и 0,3-0,4 млн человек из Москвы) распределяется по территории региона. Обосновываются и выделяются радиусы зон их распространения (до 150 км от центра Москвы) и максимальной интенсивности (в пределах 50 км от центра города). В зависимости от характера связей на территории региона выделяются рабочие (деловые), спальные районы и территории с «промывным режимом» маятниковых миграций. В них по-разному сочетаются основные уровни пульсационной ритмики маятниковых миграций (годовой, недельный, суточный). Это приводит к формированию четких зон, различающихся по знаку и амплитудам суточных пульсаций численности населения. В центре и субцентральном поясе Москвы днем наблюдается наибольший прирост населения (дневное население превышает ночное в 2-4 раза), в срединном поясе города отток трудовых ресурсов компенсируется их притоком, а зона дневной депопуляции (с максимумом в ближнем Подмосковье, где днем население сокращается на треть) распространяется от периферийных спальных районов столицы на всю территорию области. Сезонный фактор в обмене маятниковыми мигрантами между Москвой и областью наиболее отчетливо проявляется в теплое время года вследствие сезонной субурбанизации - переезда москвичей на дачи, откуда они ездят на работу в Москву.
Масштабы перетока населения в крупные города и их пригороды в России в 2011-2020 гг. оцениваются в 3,5-5,5 млн человек. В результате миграции эти территории существенно увеличили свое население за этот период. В расчетах использованы индивидуальные деперсоницифированные данные, позволяющие на основе авторской методики выделять центры (крупные города разного размера и их пригороды) и периферийные территории и анализировать миграцию между ними. Детальность данных позволяет делимитировать переток в крупные города из населенных пунктов разного размера периферийных территорий, а также констатировать перераспределение населения между центрами разного размера в пользу крупнейших. Приток в центры разных размеров, в свою очередь, имеет специфику: жители крупных населенных пунктов на периферии переезжают в крупнейшие агломерации. Чем меньше центр, тем в большей мере его миграционный прирост обеспечен жителями малых населенных пунктов. Города размером менее 250 тыс. жителей и их пригороды не имели миграционного прироста населения, так как приток с периферии не мог восполнить их убыль в миграции с более крупными центрами. Все расчеты выполнены с учетом искажающего влияния автовозврата на масштабы перетока населения.
В статье анализируются процессы адаптации трудовых мигрантов к трансформациям российского рынка труда в 2010-2023 гг. Выделяются два периода: плавных изменений рынка труда в процессе структурных изменений в экономике (2010-2019 гг.) и шоковых кризисов 2020-2023 гг. Особое внимание уделяется последнему периоду, когда иностранные работники были вынуждены приспосабливаться к экстраординарным изменениям рынка труда вследствие пандемии, а также внешне- и внутриполитических событий после февраля 2022 г. В 2010-е годы трудовые мигранты постепенно fдаптировались к трансформациям российского рынка труда, связанным с изменениями в структуре видов экономической деятельности и востребованных занятий. Немалую роль сыграли реформы миграционного законодательства 2013-2016 гг., упростившие процедуры их доступа к российскому рынку труда, перестройка взаимоотношений с работодателями, достижение определенного взаимопонимания между мигрантами и принимающим населением…
В статье, на основе данных МВД РФ и ФСБ РФ, оценивается актуальная численность и география привлечения иностранных трудовых мигрантов в Россию; анализируется перечень основных стран - доноров трудовой миграции и возможные перспективы его изменения; с помощью данных Пенсионного фонда Российской Федерации сравнивается структура занятости иностранных мигрантов и россиян. Показано, что среднегодовая численность пребывающих в России трудовых мигрантов в последние два года так и не вернулась на допандемийный уровень и сейчас не превышает 4-4,5% занятых на российском рынке труда. Трудовая миграция на современном этапе почти на 90% обеспечивается выходцами из трех стран Средней Азии - Узбекистана, Таджикистана и Кыргызстана; первые две страны также вносят основной вклад в региональные бюджеты в виде платежей за патенты. Структура занятости иностранных трудовых мигрантов продолжает заметно отличаться от структуры занятости россиян, что в условиях дефицита работников на российском рынке труда делает конкуренцию между ними маловероятной. География привлечения мигрантов почти не меняется на фоне сокращения их численности: по-прежнему на долю двух столиц и их областей приходится больше половины всех работающих в России иностранцев; доля каждого из остальных регионов, формирующих первую двадцатку по этому показателю, не превышает 1-2%.
В статье анализируется миграционный обмен населения России с другими странами в 2010-е годы. Особое внимание уделяется иммиграции из стран бывшего СССР, которые по-прежнему являются главными миграционными партнерами России. На данных текущего учета миграционных событий и их сопоставлении с данными Всероссийских переписей населения демонстрируется необходимость корректного использования этих источников, в особенности в связи с изменениями, произошедшими в процедурах учета в 2011 г. и ряде последних лет. Существующая российская статистика долговременной миграции, как и ранее, мало улавливает текущие геополитические и социально-экономические изменения. Небывалое снижение миграционного прироста страны в 2022 г. связано с его переучетом» в 2021 г. География ключевых стран исхода постепенно меняется в пользу относительно небольших по численности населения стран Таджикистан и Киргизия. Структурные характеристики миграционных потоков отражают изменения в направлениях миграции, потребностях рынка труда в России и специфику статистического учета.
Сегментация экономического знания имеет тенденцию трансформироваться в фрагментацию и стать тормозом развития науки: ограничивает ее инновационный потенциал, ослабляет связь с практикой, снижает авторитет экономической теории.
Надежды преодолеть эту тенденцию часто связывают с общностью инструментальных
методов, применяемых в ряде общественных наук. В статье обосновывается позиция,
согласно которой проблема фрагментации знания — прежде всего проблема барьеров
между предметными областями, тогда как инструментальная интеграция может только
облегчить такие взаимодействия, но не может служить ответом на вызов фрагментации.
Анализируется альтернативная стратегия, предполагающая усложнение структуры знания, прежде всего за счет развития частных онтологий и «больших теорий», формирующих предпосылки для эффективных междисциплинарных взаимодействий в социальных
науках и внутридисциплинарных контактов между направлениями и школами в экономической науке, основанными на различающихся базовых онтологиях. Предложены конкретные меры, направленные на совершенствование программ экономического образования, нацеленные на подготовку экономистов, открытых для междисциплинарных
контактов и способных вести кооперативную работу в междисциплинарных коллективах
В условиях усиления неопределенности на финансовых рынках накопление рисков в банковском секторе выдвигает на передний план острую необходимость введения макропруденциальной политики (МПП), в том числе в свете банкротства ряда ведущих американских банков. В работе анализируется влияние МПП на риски крупных банковских холдинговых компаний (БХК) США с совокупными активами более 100 млрд долл., которые относятся к категории системно значимых финансовых организаций.
Применение двухшагового обобщенного метода моментов позволило оценить влияние
мер МПП на динамический показатель риска ∆CoVaR (Conditional Value at Risk) для каждой БХК. На примере банковского сектора США результаты исследования подтверждают понижающее воздействие ужесточения МПП на риски БХК, что особенно выражено в случае роста требований к резервированию против возможных потерь по ссудам, ужесточения стандартов кредитования, требований к уровню левериджа и мер, нацеленных на системно значимые банки. По итогам моделирования мы пришли к выводу, что меры МПП гетерогенно влияют на различные типы БХК США, выделенные с помощью метода главных компонент, а также выявлено асимметричное воздействие ужесточающих и смягчающих мер МПП на риски БХК. Полученные выводы дают лучшее понимание инструментария МПП в США и могут иметь практическую значимость для дальнейшего совершенствования МПП в России.
В работе исследуются факторы, влияющие на принятие решения о выборе сберегательных и инвестиционных инструментов поколением Z (студентов Экономического факультета МГУ), для которых характерна цифровая грамотность и доступность финансовых продуктов и услуг с раннего возраста. Данные собраны в ходе проведения лабораторного эксперимента с применением технологий айтрекинга и пульсометрии, а также опросов. На основе полученных данных построена серия эконометрических логит- моделей бинарного вида по выбору сберегательных / инвестиционных инструментов, и мультиноминального вида по выбору одного из финансовых инструментов (вклада, акций, инвестиционной или сберегательных копилок). Исследование показывает, что на выбор финансовых инструментов влияют как основные факторы (пол, уровень образования, финансовые предпочтения, наличие рекламы и финансовое содержание видеоролика, психофизиологические характеристики его восприятия — внимание и вовлеченность), так и дополнительные факторы (характеристики финансовой грамотности, информационные факторы выбора, опыт финансовой деятельности, прохождение дополнительных курсов и расчетно- финансовые компетенции).
This research investigates the Russian stock market response to COVID-19 pandemic and compares how the reactions to it varied among the industries. The event study and Wavelet coherence were applied to answer the research question. It was discovered that the Russian stock market in general had a strong negative reaction to the COVID-19 outbreak.
However the response to the fi rst case was stronger than the response to the fi rst COVID-19
related death. It was also discovered that most of the industries reacted to the pandemic in line
with the overall negative reaction of the market, with transportation and fi nancial sectors demonstrating the most strong response. The returns of the different sectors showed high coherence during the fi rst wave of the pandemic that is another fi nding. However, the chemical sector reacted rather moderately to the COVID-19 and demonstrated lower coherence with the other sectors during the fi rst wave of the pandemic, so it might be benefi cial to include the stocks of the chemical companies in the portfolio for its diversifi cation. The results obtained have practical value for the investors (in terms of portfolio construction) and governmental regulators that are trying to mitigate the impact of the shocks on the stock market.
Цель исследования — научное обоснование влияния угольной генерации на здоровье населения как фактора устойчивого развития региона на примере Забайкальского края. В работе систематизированы научные подходы к оценке социальноэкономических потерь здоровья населения от угольной генерации в сравнении с газификацией. Для проведения полной социально- экономической оценки проекта предложено использовать расширенный подход, учитывающий все факторы — экологические, экономические и социальные. Например, кроме оценки затрат на газификацию региона, в методологию анализа затрат и выгод (cost-benefi t analysis) можно включить оценку потенциальных экономических выгод, таких как повышение уровня жизни населения, увеличение занятости, улучшение инфраструктуры и др. Также в анализе затрат и выгод можно
учесть такие экологические последствия проекта, как уменьшение выбросов вредных
веществ и улучшение качества воздуха, что, в свою очередь, может привести к уменьшению расходов на медицинское обслуживание населения. В расчете выгод/издержек также применена оценка климатического воздействия различных типов генерации, с учетом сегодняшних тенденций развития трансграничного углеродного регулирования. По мнению авторов, комплексная социально- экономическая оценка значимых для региона и капиталоемких инвестиционных проектов оказывает непосредственное воздействие на принятие решений как со стороны инициатора проекта, так и со стороны органов государственной власти, обеспечивая лучший баланс интересов и учет мнений ключевых стейкхолдеров проекта. Результаты исследования позволят повысить обоснованность решений о направлении (распределении) бюджетных инвестиций и предоставлении мер государственной поддержки отдельным инвестиционным проектам.
В работе проводится анализ положения международных мигрантов на российском рынке труда. В качестве показателей положения на рынке труда используются вероятность занятости и индикаторы уязвимости занятости (неформальная занятость, низкоквалифицированная занятость). Эмпирической основой исследования являются микроданные обследования Росстата «Выборочное наблюдение труда мигрантов», проведенного в 2019 г. Результаты эконометрического анализа свидетельствуют о том, что при прочих равных вероятность наличия оплачиваемой занятости у мужчин- мигрантов выше, чем у мужчин–представителей коренного населения. Для женщин отмечается обратная зависимость — уровень занятости женщин-мигранток значимо ниже уровня занятости коренных жительниц. Полученный результат устойчив к вариации длительности пребывания мигрантов в России. С увеличением длительности проживания мигрантов в России различия в уровне занятости мигрантов и коренного населения сокращаются, но не исчезают совсем. Занятость мигрантов, как мужчин, так и женщин, значимо более уязвима, чем занятость коренных жителей. Значимость этой связи снижается с увеличением срока пребывания мигрантов в России. Вероятность неформальной и низкоквалифицированной занятости для мигрантов, пребывающих в России более пяти лет, статистически не отличается от аналогичных показателей для коренных жителей.
Результаты, полученные для всей выборки, в целом на качественном уровне сохраняются
и для отдельных социально- демографических групп населения.
В последние годы тема санкционного давления на российскую экономику стала приобретать все более важное значение для широкого спектра заинтересованных сторон. В их число входит частный сектор, целью которого является максимизация прибыли в период неопределенности. В исследовании оценивается воздействие санкций на выручку российских компаний. Показатель выручки в исследовании выбран по причине более низкой волатильности данного показателя по сравнению с прибылью.
В работе проводится краткий обзор литературы по рассматриваемому вопросу, анализ
статистики российских компаний, попавших под санкции, а также оценка влияния санкционных мер на их выручку. Так, анализ международного опыта показал, что международные санкции против частного сектора имели разные последствия и разное значение для национальной экономики стран, против которых санкции вводились. Тем не менее, давление на частный сектор является одним из ключевых направлений текущей санкционной политики стран Запада против России и других государств. Анализ влияния санкций на деятельность российских фирм строился на основе фирм, попавших в санкционные списки недружественных стран. По состоянию на январь 2023 г. число фирм, попавших под санкции, было более 1,3 тыс. Общий вывод состоит в том, что попадание в санкционные списки недружественных стран незначимо понижает выручку подсанкционных фирм по сравнению с фирмами, не внесенными в санкционные списки. Эмпирическая оценка показала, что среди различных видов санкций значимо отрицательно влияют на выручку подсанкционных компаний только финансовые санкции.
Цель исследования — определить перспективы применения теории сетевых эффектов для анализа ценности B2B-сетей на контрактной основе. Данная работа мотивирована призывом исследователей расширить теорию сетевого подхода в промышленном маркетинге при помощи междисциплинарных исследований, а также наблюдаемых тенденций в российском и международном бизнесе к формированию сетей
и альянсов. Большинство предыдущих исследований бизнес- сетей использовали монодисциплинарные практики и фокусировались на качественном анализе.
Исследования сетевых эффектов были сосредоточены на изучении платформ B2C, B2B, P2P. Однако межорганизационные сети, построенные на базе контрактов, слабо освещены в литературе по сетевым эффектам. Методология исследования предлагает следующее поэтапное выполнение: 1) анализ теоретических основ сетевых эффектов и бизнес- сетей; 2) адаптация методов теории сетевых эффектов для исследования межорганизационных сетей; 3) разработка подхода к оценке ценности партнера и тестирование на примере компании «Cisco». Результаты исследования: 1) сформированы основы интеграции теории сетевых эффектов и сетевого подхода; 2) разработан подход к оценке ценности добавленного партнера; 3) предложены рекомендации для использования данной методологии для управления портфелем партнеров; 4) предложены направления будущих исследований.
Издательство
- Регион
- Россия, Москва
- Почтовый адрес
- 117218, г Москва, Академический р-н, Нахимовский пр-кт, д 32
- Юр. адрес
- 117218, г Москва, Академический р-н, Нахимовский пр-кт, д 32
- ФИО
- Полтерович Виктор Меерович (ГЛАВНЫЙ РЕДАКТОР)
- E-mail адрес
- borisr@comtv.ru
- Контактный телефон
- +7 (891) 6120357